İstatistik Temelleri ve SPSS’e Giriş · Ders 12/14
Veri Temizleme: Eksik Veri, Hatalı Giriş, Uç Değer, Ters Madde ve Puan Hesaplama
SPSS’te hatalı girişleri Frequencies ile bulmayı, eksik veri ve uç değerleri (z puanı, kutu grafiği) incelemeyi, ters maddeleri Recode ile çevirmeyi ve Compute ile ölçek puanı hesaplamayı öğrenirsin.
Analize geçmeden önce verini temizlemek, yemek yapmadan önce sebzeleri yıkamak gibidir: Görünmez ama atlanırsa her şeyi bozar. Tek bir “55” (5 yerine yanlışlıkla girilmiş) bir maddenin ortalamasını değiştirir; çevrilmemiş ters maddeler güvenirlik katsayısını düşürür; tanımlanmamış eksik kodlar sonuçları saptırır. Bu ders Elif’in veri seti üzerinden SPSS’te adım adım temizlik yapar.
Veri temizleme sırası
- 1
Hatalı girişleri bul
Frequencies ile her değişkenin min–maks değerlerini ve olası olmayan kodları kontrol et.
- 2
Eksik veriyi incele
Hangi değişkende, kaç kişide, hangi örüntüde eksik olduğuna bak ve bir karar ver.
- 3
Ters maddeleri çevir
Recode ile ters puanlanan maddeleri düz hâle getir.
- 4
Ölçek puanlarını hesapla
Compute ile toplam ya da ortalama puanları oluştur.
- 5
Uç değerleri incele
z puanları ve kutu grafikleriyle ölçek puanlarındaki uç değerleri belirle ve karar ver.
- 6
Kararlarını kaydet
Her adımı sözdizimiyle sakla ve yöntem bölümünde raporla.
1. Hatalı giriş tespiti: Frequencies ile min–maks kontrolü
Analyze > Descriptive Statistics > Frequencies (Analiz > Tanımlayıcı İstatistikler > Frekanslar) yolunu izle. Tüm maddeleri (oz1–oz10, ka1–ka12) ve demografik değişkenleri sağdaki kutuya taşı. Statistics (İstatistikler) düğmesinden Minimum ve Maximum seçeneklerini işaretle. Çok sayıda değişken varsa “Display frequency tables” (Frekans tablolarını göster) seçeneğini kaldırıp yalnızca özet tabloya bakabilirsin.
Statistics
oz1 oz2 oz3 ka5 yas gno
N Valid 250 249 250 250 248 246
Missing 0 1 0 0 2 4
Minimum 1 1 1 1 18 1.45
Maximum 5 5 55 5 52 3.98
Yorum: oz3 maddesinde maksimum 55 görünüyor; 1–5 arası bir maddede bu imkânsızdır, muhtemelen “5” iki kez basılmıştır. Yaşta 52 değeri olası ama örneklem ölçütleri (18–35) dışında; kâğıt anketle karşılaştırılmalı. Hatalı satırı bulmak için Data View’da oz3 sütununa sağ tıklayıp Sort Descending (Azalan Sırala) yapabilir ya da Edit > Find (Düzen > Bul) ile 55’i arayabilirsin. katilimci_no sayesinde kâğıt ankete dönüp doğru değeri girersin; kâğıt yoksa değeri eksik olarak işaretlersin.
55 değerinin büyük olasılıkla 5 olduğu düşünülerek kâğıt ankete bakılmadan 5 olarak değiştirilmiştir.
2. Eksik veri
Çevrim içi formlarda “zorunlu yanıt” ayarı eksik veriyi azaltır; kâğıt anketlerde ise eksik veri neredeyse kaçınılmazdır. Önemli olan eksikliğin miktarı ve örüntüsüdür. Rastgele birkaç boş madde ile anketin yarısını boş bırakan katılımcı aynı şekilde ele alınmaz.
| Yöntem | Ne yapar? | Ne zaman? | Dikkat |
|---|---|---|---|
| Listwise (vaka bazında) silme | Analizdeki değişkenlerden birinde eksik olan kişiyi analizden tamamen çıkarır | Eksiklik az ve rastgele ise | Örneklem küçülür; SPSS’in birçok analizdeki varsayılanıdır |
| Pairwise (çift bazında) silme | Her analizde yalnızca o analizin değişkenlerinde eksik olanları çıkarır | Korelasyon matrislerinde | Analizler arasında N değişir; raporda belirtilmeli |
| Anketi tamamen çıkarmak | Çok eksik (ör. ölçeğin büyük kısmı boş) ya da özensiz doldurulmuş formları veri setinden çıkarır | Belirlediğin ölçütü aşan formlar için | Ölçütü önceden belirle ve sayıyı raporla |
| Mevcut maddelerle ortalama | Ölçek ortalamasını yanıtlanan maddeler üzerinden hesaplar (ör. MEAN.8) | Ölçekte bir–iki madde boşsa | En az kaç maddenin dolu olacağını belirle |
| Ortalama ile doldurma | Eksik değerin yerine değişken ortalamasını koyar | Genellikle önerilmez | Varyansı yapay olarak düşürür |
| Çoklu atama (multiple imputation), EM | Eksik değerleri istatistiksel modellerle tahmin eder | Eksiklik fazlaysa ve tamamen rastgele değilse (eksikliğin gözlenen değişkenlerle açıklanabildiği durumlar) | İleri düzey; danışmanla karar ver |
3. Ters madde kodlama
Ölçeklerde bazı maddeler, katılımcıların düşünmeden hep aynı seçeneği işaretlemesini önlemek için ters yönde yazılır. Elif’in öz yeterlik ölçeğinde oz3 (“Zor konuları anlamakta zorlanırım”) ve oz7 ters maddedir: Bu maddelere “5 = Tamamen katılıyorum” diyen öğrencinin öz yeterliği düşüktür. Toplam puan hesaplamadan önce bu maddeler çevrilmelidir: 1 → 5, 2 → 4, 3 → 3, 4 → 2, 5 → 1.
Recode into Different Variables (önerilen)
- 1
Menüyü aç
Transform > Recode into Different Variables (Dönüştür > Farklı Değişkenlere Yeniden Kodla).
- 2
Değişkeni seç ve yeni ad ver
oz3’ü kutuya taşı; sağdaki “Output Variable” (Çıktı Değişkeni) bölümünde Name: oz3_t, Label: “oz3 (ters çevrilmiş)” yaz ve Change (Değiştir) düğmesine bas. oz7 için tekrarla (oz7_t).
- 3
Eski ve yeni değerleri gir
Old and New Values (Eski ve Yeni Değerler) düğmesine bas. Old: 1 → New: 5, Add; 2 → 4, Add; 3 → 3, Add; 4 → 2, Add; 5 → 1, Add. Eksik değerlerin eksik kalması için “System- or user-missing” → “System-missing” satırını da ekleyebilirsin.
- 4
Paste ya da OK
Paste ile sözdizimine aktar ve oradan çalıştır; böylece işlem kayıt altında kalır.
- 5
Kontrol et
Crosstabs ile oz3 × oz3_t tablosuna bak: 1’ler 5’e, 5’ler 1’e karşılık gelmeli.
* Ters maddeleri yeni değişkenlere çevir.
RECODE oz3 oz7 (1=5) (2=4) (3=3) (4=2) (5=1) INTO oz3_t oz7_t.
VARIABLE LABELS oz3_t 'oz3 (ters çevrilmiş)' /oz7_t 'oz7 (ters çevrilmiş)'.
EXECUTE.
4. Toplam ve ortalama puan: Compute Variable
Transform > Compute Variable
- 1
Menüyü aç
Transform > Compute Variable (Dönüştür > Değişken Hesapla).
- 2
Hedef değişkeni yaz
Target Variable (Hedef Değişken): oz_ort
- 3
İşlevi yaz
Numeric Expression (Sayısal İfade): MEAN(oz1, oz2, oz3_t, oz4, oz5, oz6, oz7_t, oz8, oz9, oz10). Ters maddelerin çevrilmiş sürümlerini kullanmayı unutma.
- 4
Çalıştır ve kontrol et
Descriptives ile oz_ort’un 1–5 arasında olduğunu kontrol et. Measure alanını Scale yap.
| İfade | Ne yapar? | Eksik veride davranışı |
|---|---|---|
| oz1 + oz2 + … + oz10 | Toplam puan | Tek bir madde eksikse sonuç eksik (.) olur |
| SUM(oz1 TO oz10) | Toplam puan | Eksik maddeleri yok sayıp kalanları toplar; eksik maddesi olan kişinin puanı yapay olarak düşük çıkar |
| MEAN(oz1 TO oz10) | Ortalama puan | Mevcut maddelerin ortalamasını alır (en az bir madde yeterli) |
| MEAN.8(oz1 TO oz10) | Ortalama puan | En az 8 madde doluysa hesaplar; yoksa eksik verir (önerilen yaklaşım) |
* Öz yeterlik ortalama puanı (en az 8 madde dolu olmalı).
COMPUTE oz_ort = MEAN.8(oz1, oz2, oz3_t, oz4, oz5, oz6, oz7_t, oz8, oz9, oz10).
* Sınav kaygısı ortalama puanı (en az 10 madde dolu olmalı).
COMPUTE kaygi_ort = MEAN.10(ka1 TO ka12).
VARIABLE LABELS oz_ort 'Akademik öz yeterlik ortalama puanı' /kaygi_ort 'Sınav kaygısı ortalama puanı'.
EXECUTE.
5. Uç değerler (outlier)
Uç değer, verinin geri kalanından belirgin biçimde uzak duran gözlemdir. Bir uç değer (1) veri giriş hatası, (2) anketi özensiz dolduran bir katılımcı ya da (3) gerçek ama sıra dışı bir kişi olabilir. İlk ikisi düzeltilir ya da çıkarılır; üçüncüsü ise gerekçesiz silinmemelidir.
z puanıyla uç değer tespiti
- 1
z puanlarını kaydet
Analyze > Descriptive Statistics > Descriptives (Analiz > Tanımlayıcı İstatistikler > Tanımlayıcılar); oz_ort ve kaygi_ort’u kutuya taşı ve “Save standardized values as variables” (Standartlaştırılmış değerleri değişken olarak kaydet) seçeneğini işaretle.
- 2
Yeni değişkenleri bul
SPSS veri dosyasının sonuna Zoz_ort ve Zkaygi_ort adlı değişkenleri ekler.
- 3
Sırala ve incele
Bu sütunları sıralayarak mutlak değeri 3’ün (bazı kaynaklarda 3,29’un) üzerinde olan katılımcıları bul. Kullandığın ölçütün kaynağını yöntemde belirt.
- 4
Karar ver
Uç değer bir hata mı, özensiz yanıt mı, gerçek bir değer mi? Kararını ve çıkarılan katılımcı sayısını raporla.
Kutu grafiği (boxplot) de uç değerleri görsel olarak gösterir: Analyze > Descriptive Statistics > Explore (Analiz > Tanımlayıcı İstatistikler > Keşfet) ya da Graphs > Legacy Dialogs > Boxplot (Grafikler > Eski İletişim Kutuları > Kutu Grafiği). SPSS, kutunun kenarından çeyrekler açıklığının 1,5 katından uzak değerleri daire (°) ile, 3 katından uzak değerleri ise yıldız (“*”) ile işaretler ve yanlarına satır numarasını yazar.
Sonuçlar anlamlı çıkmadığı için kutu grafiğinde uç görünen 14 katılımcı veri setinden çıkarılmış ve analizler yinelenmiştir.
Toplam 263 form toplanmıştır. Ölçek maddelerinin %20’sinden fazlasını yanıtlamayan 6 form ve tüm maddelere aynı yanıtı veren 4 form analiz dışı bırakılmıştır. Frekans analizi ile tespit edilen 3 hatalı giriş, anket formlarıyla karşılaştırılarak düzeltilmiştir. Ters puanlanan iki madde (3. ve 7. maddeler) yeniden kodlanmış, ölçek puanları madde ortalamaları alınarak hesaplanmıştır. Ölçek puanlarına ait z değerleri incelendiğinde ±3,29 aralığı dışında kalan 3 gözlem uç değer olarak belirlenmiş ve analizden çıkarılmıştır (Tabachnick ve Fidell, 2013). Analizler 250 katılımcının verisiyle yürütülmüştür.
Kendini dene
Kendini dene
Kendini dene
Veri temizleme kontrol listesi
0/8Takıldığın bir yer mi var?
Bu konuda sık sorulanlar